DEVOCEAN

안녕하세요. DEVOCEAN YOUNG 2기 DEVSHIP의 팀장 정경륜입니다.

지난 8월에 저희 팀은 데보션 전문가 인터뷰를 진행했는데요, 과연 어떤 분을 인터뷰했을까요?

두구두구두구두구두구🥁🥁🥁🥁🥁~~~~

바로 SKT에서 NLP를 연구하고 계시는 윤주성 전문가님을 인터뷰 했습니다😆!

어떤 내용들을 인터뷰했는지 궁금하시죠? 바로 한번 알아보겠습니다!

🤔 질문 1. 간단한 자기소개와 SKT에서 지금 무슨 업무를 하고 계시는지 말씀해 주시면 감사하겠습니다.

학부 때는 산업공학을 전공하다 모종의 이유로 컴퓨터를 공부했습니다. 학부 졸업할 때 졸업 인턴 같은 게 있었는데 그때 스타트업 비슷한 회사에서 프론트 개발을 했었습니다.

다만 열심히 빨리 만들어도 기획이나 백엔드에서 바꾸면 또 바꿔야 되고, 다 만들었는데 또 갈아엎어야 되는 걸 보고 진로를 다시 고민했습니다.

산업공학과랑 좀 시너지 낼 수 있는 것 중에 뭐를 할까 하다가 AI를 해보자 해가지고 대학원을 가서 NLP를 전공하게 되었습니다.

병특으로 챗봇 만들고 네이버에서 검색 모델링을 하다가 지금은 SKT에서 LLM 학습하고 튜닝하는 업무를 하고 있습니다.

🤔 질문 2. SKT에서도 에이닷과 같은 LLM을 공개했고 지속적으로 발전 시킬 계획으로 알고 있는데 그 방향성이 궁금합니다. 한글 맞춤형인지 아니면 오픈AI보다 더 좋은 성능을 목표로 하는건가요?

요즘 하도 LLM이 많이 나오니까 저희도 내부적으로 고민 많이 하고 있는데

N사도 이제 한글 특허이긴 하지만 사실 거기 영어도 많이 들어가 있고 코드도 들어가 있고 막 이제 요즘 다 그런 추세로 가다 보니까 저희도 큰 틀은 사실 비슷합니다.

저희도 한글, 영어, 코드 이렇게 다 학습하고 있고 특히 인하우스 데이터를 좀 더 활용해야 차별화 포인트 생기니까 저희 내부적으로 갖고 있는 텔레콤 관련 데이터들로 특화를 시도하고 있습니다.

그래서 회사에서는 이제 tech alliance라고 이제 여러 통신사 협약 같은 거 맺고 같이 일하면서 value를 만들려고 시도하고 있는 것 같아요.

🤔 질문 3. GPT 기반의 LLM이 시장을 장악한 것 같은데 BERT 같은 모델은 어떤 차별점을 가질 수 있을 것이라 생각하시는 지 궁금합니다!

LLM이 나와서 되게 다양하게 테스크를 할 수 있지만 이게 꼭 LLM이나 딥러닝 아니더라도 아직도 머신러닝 모델들 많이 쓰잖아요.

그거랑 그냥 비슷한 맥락으로 쭉 가지 않을까 싶어요. 머신러닝 모델도 계속 쓰고 LLM은 sLLM 쪽이 좀 더 발전하지 않으면 하드웨어가 따라와야 되니까

당분간은 그래도 BERT 같은 게 훨씬 더 많이 쓰일 것 같아요.

🤔 질문 4. 이전에 네이버에서 검색 쪽 일을 하셨던 것 같은데 구체적으로 어떤 일을 맡으셨는지 궁금합니다.

저는 네이버 블로그 쪽 위주로 많이 했고 이제 블로그 abusing user를 잡는 일을 했었습니다.

Abusing은 항상 어떤 패턴을 막으면 또 다른 패턴이 나오고 그래서 abusing은 좀 끝나지 않는 문제여서 계속 진행해야 되는 부분입니다.

네이버가 작년에 스마트 블록이라는 서비스를 런칭 했는데 기존에 view 검색을 약간 그냥 특정 테마에 맞게 쪼갠 것이거든요.

그래서 그런 스마트 블록 같은 거 만들 때 쓰는 feature나 아니면 문서 확장이라는 것도 이제 네이버 있었을 때 만들어서 배포했었습니다.

그냥 query expansion 말고 document expansion이라고 좀 더 query랑 document가 매칭 잘 되게 하기 위해서 겉으로 확장하는 건데 tagging을 좀 더 잘하기 위해서 그런 작업들 했었던 것 같아요.

🤔 질문 5. Search 쪽에서 일을 하셨다고 하셔서 질문을 드립니다! Information retrieval 시 중요하게 생각하시는 부분이 어떤 부분일지

이제 저희가 학교에서 배울 때는 text랑 어떤 document 간의 그냥 유사도 위주로 생각하는데 그걸 이제 종합적으로 relevance라고 표현하잖아요.

Relevance 하면은 similarity를 포함한 여러 feature가 있는데 이제 그냥 similarity 자체는 이미 정해진 로직이 있으니까 그걸 가져다 쓰는 거고,

또 relevance 영향을 주는 여러 feature들을 만들게 됩니다.

그리고 검증된 모델들 위주로 하면서 그냥 feature를 좀 더 많이 만들고 데이터를 더 추가하는 방향이 중요한 것 같아요.

왜냐하면 이제 검색은 데이터가 엄청 많아서 더 좋은 모델을 만드는 것보다 feature를 잘 만드는 게 훨씬 좋은 결과를 내는 것 같아요.

또 주기적으로 검색되려면 색인이 돌아야 되잖아요. 저희가 문서 만들자마자 10초 뒤에 검색 안 되잖아요. 그래서 색인 주기도 맞춰야 되기 때문에 모델도 무거운 거 쓰면 좀 힘듭니다.

🤔 질문 6. 데보션 자기소개에서도 글에 대한 애정이 느껴지시는 분이라고 생각했는데 이전에 검색엔진에서 현재 다루고 계신 LLM에 이르기까지 어떤 마인드셋을 가지고 임하셨는지가 궁금합니다.

자연어처리는 그냥 한국 안에서만 잘하면 되겠지라고 처음에 생각했는데 chatGPT 나오고 나서 약간 바뀌긴 했지만 저는 검색 엔진 때도 진짜 재밌었고

텍스트 도메인 자체를 원래 좋아하니까 그거는 진짜 서비스가 되게 그래도 많은 사람이 쓰잖아요.

나중에 해보시면 알겠지만 나름 프라이드가 있거든요. LLM이 학문이랑 되게 많이 접해져 있는 분야니까 저도 논문 읽고 반영하는 게 재밌어요.

🤔 질문 7. 최근 NLP 시장이 정말 빠르게 변화, 발달하고 있는데 이러한 시장 흐름을 놓치지 않고 따라갈 수 있는 본인만의 방법이 있을까요?

진짜 다 따라가는 사람들은 나중에 팀장 달고 임원 승진해야 되는 사람들이 그런 것 같고 그런 분들은 이제 주말에도 논문 읽고 쉬지 않더라고요.

그냥 일과 결혼한 분들 그런 분들이 다 따라가는 것 같아요. 그래도 저희는 회사에서 그냥 일주일에 한 번씩 논문 세미나 하거든요.

서로 자극도 좀 주는 것 같고 이건 되게 회사를 좀 많이 타는 것 같아요. 논문 보는 습관 같은 것도 들이면 따라가는 데 도움이 되는 것 같고

저는 기술 블로그를 개인 정리용으로 쓰면 쌓이는 느낌도 있고 괜찮은 것 같아요.

🤔 질문 8. AI 기반 자연어처리 기술을 공부함에 있어 언어학적 이론이나 배경이 얼마나 많이 반영되는 것 같나요?

현우 님이 말씀하신 것처럼 약간 점점 더 반영이 좀 안 되고 있는 것 같긴 해요. 예전에는 end-to-end가 안 되니까 그런 이론을 많이 고려했는데

요즘에는 그냥 다 end-to-end로 돼버리니까 예전보다는 중요도가 줄어든 것 같긴 해요.

물론 그래도 한국어 tokenizer도 사실 형태소 분석하면 성능이 좀 더 좋긴 합니다.

근데 검색에서는 아직 중요한 부분인 것 같아요. 검색 엔진은 tone 분석기를 만드니까 네이버에서도 매주 업데이트되거든요.

매주 신조어가 나오고 하니까 업데이트되는데 이제 ‘term을 어떻게 나눌 것인가’ 이게 되게 중요하거든요.

그래서 오히려 검색에선 언어학적 이론이 중요한데 NLP 모델에서는 비중이 더 낮아지고 있어요.

형태소 분석한 tokenizer로 모델링 하면 한국어 성능은 더 오르지만 token이 되게 길어져요.

그럼 이제 inference 할 때 더 느려지는 거죠. 그런 장단점이 있습니다.

🤔 질문 9. ML을 잘 아는 엔지니어로 성장해야할지, 엔지니어링을 잘 아는 ML 리서처로 성장해야할지 고민이 되는데 조언 한마디 부탁드립니다.

제가 생각했을 때 교수를 할 거면은 ML을 잘 알아야 되는데 그 외 직군이면은 엔지니어링을 잘하는 게 요즘 중요하지 않나 저 좀 약간 그런 생각이에요.

왜냐면 제가 이제 본 전공이 약간 산공 출신이라 이제 거기에 대한 항상 부족함 느껴서 그런 것도 있는데

엔지니어 잘한다는 게 손도 빠르고 여러 가지 프로토타입을 잘 만드는 건데 저는 그런 게 좀 더 중요한 것 같아요.

ML 모델 같은 경우에는 아무리 SOTA가 나와도 다 라이브러리화 되잖아요. BERT도 이제 한 줄로 불러올 수 있기 때문에 그거를 잘 활용하는 게 중요한 것 같아요.

저도 그런 것 때문에 약간 사이드 프로젝트는 ML이 아닌 걸로 좀 하거든요.

너무 이제 ML 엔지니어만 하다가 도메인이 바뀌면 생존에 문제가 생길 수 있으니까 앱 개발이나 백엔드 같은 분야를 따로 해보고 있어요.

🤔 질문 10. 끝으로 데보션영들에게 하고 싶으신 한 마디만 해주세요!

제가 학부생 때도 데보션 같은 게 있었으면 정말 좋았을 텐데 되게 좋은 프로그램인 것 같고 응원합니다. 나중에 회사에서 만나면 좋을 것 같아요 :)

🙆🏻‍♂️ 팀원들 후기

경륜

요즘 search 쪽에 관심이 많이 생겼는데 인터뷰하면서 얻어 가는 인사이트가 많아서 너무 즐거웠습니다!

이런 전문가 분과 인터뷰할 수 있는 기회가 흔치 않은데 데보션 덕분에 좋은 만남을 가질 수 있게 되어 감사드립니다!

앞으로 개발자로 살아가면서 어떤 방향으로 나아가야 할지에 대한 고민이 많았는데 인터뷰하면서 방향을 조금 잡을 수 있었습니다!

인터뷰에 응해주신 윤주성 전문가님께 다시 한번 감사드립니다!

민정

저번에 저희 학교에 강연 오셨을 때도 초밥 먹으면서 재밌게 강연 들었었는데 이렇게 소수로 만나서 편하게 하고 싶었던 질문도 하고 특히 저희 과 선배님이셔서 더 조언이 와닿았습니다.

현업에서 적용되는 search 쪽에서 어떻게 문서 유사도를 도출하는지 등 LLM 프로젝트들에 대해서 자세히 들을 수 있어서 좋았습니다.

또한, 산업공학부와 인공지능 사이의 타협점을 찾고자 평소에 고민이 많았는데 이에 대해서도 조언을 구할 수 있어서 정말 좋았습니다.

질문이 다소 많았던 것 같은데 하나하나 친절하게 답변해 주셔서 정말 감사드립니다 :)

동재

개발 내에 정말 다양한 분야들이 있음에도 다양한 분야에 종사하시는 개발자분들은 만나 뵐 기회는 대학생들에게 매우 소중한 기회인 것 같습니다.

개발에 대한 폭넓은 지식은 물론이고 선배 개발자로서 많은 조언, 경험들을 공유해 주셔서 너무 즐겁고 재밌는 시간이었습니다!

윤주성 전문가님 본인의 분야에 대한 사랑(?)이 돋보였던 점이 인상 깊고 본받고 싶었습니다.

좋은 시간, 좋은 말씀 너무 감사했습니다 :)

현우

전문가님께서 해주신 이야기들로부터 저희 팀이 진행하는 프로젝트 방향에 관해서도 많은 배움을 얻었습니다.

전문가님께서 NLP라는 분야에 도달하기까지의 과정을 상세히 들려주셔서, 저의 관심분야를 구체화하고 발전시키는 방법 또한 이전에 비해 많이 확고해졌습니다.

전공과 관련한 개인적인 궁금증도 해소하고, 해당 산업 자체를 바라보는 태도에 대해서도 다시금 떠올려볼 수 있는 시간이었습니다. 감사합니다 멘토님 :) !!

🌊 끝으로...

지금까지 윤주성 데보션 전문가 분과의 인터뷰를 살펴보았습니다! NLP와 검색, 그리고 진로와 관련해서 아낌없이 말씀을 해주셨는데요,

이 글을 보시는 다른 분들에게도 도움이 됐으면 좋겠습니다.

흔쾌히 인터뷰에 응해주시고 좋은 말씀 많이 해주신 윤주성 전문가 분과 맛있는 커피와 케이크를 지원해 주신 하늬님께 감사 인사를 올리면서 이번 글은 마무리 지으려 합니다!

감사합니다🙏🏻